红外光幕在地铁屏蔽门障碍物探测中的研究

针对现有地铁屏蔽门通过门速曲线的改变来探测障碍物的方法在检测最小尺寸为4 mm×40 mm的障碍物中所存在的不足,提出一种利用红外光幕的障碍物探测方法,并结合数字信号处理器(DSP)的无刷直流电动机控制技术和模糊PID控制算法来实现地铁屏蔽门障碍物的探测,最后在Matlab/Simulink环境中构建了整个系统的数学模型,并对系统在正常情况和遇到障碍物时的关门过程进行仿真分析。仿真结果表明:基于该方法设计的地铁屏蔽门障碍物探测系统可以解决现有地铁屏蔽门在障碍物探测方面的不足。     

基于CANopen的步进电机速度估计系统设计

针对步进电机开环驱动系统的无传感器速度估算难以在驱动器DSP中实现的问题,设计了一套基于CANopen通讯协议,将开环驱动系统电压、电流数据实时上传至上位机PC,并在上位机中利用软件实现扩展卡尔曼滤波观测器估算电机实时速度的方案。该方案的设计经过对CAN通讯效率的估算,限定了电机速度的估算范围。实验表明基于CANopen协议的方案能够在预估的速度范围内实现对电机速度的实时观测。     

一种自动驾驶车的环境感知系统

我们提出了一种自动驾驶车辆环境感知方案,此方案支持车辆在特定路况的自动驾驶功能,方案中采用毫米波雷达实现障碍物距离、速度及方位探测;采用摄像头实现车道线及车辆识别;应用激光雷达实现道路边沿及其他障碍物目标探测,通过超声波雷达感知车辆近距离目标,通过GPS/IMU实现车辆的精准定位,此方案通过实车验证,满足实际自动驾驶环境感知应用需求。     

直流电机转速分析与测速方法

为提高直流电机的速度检测效率,实现规模化生产中电机速度指标的在线检测,对现有直流电机的速度检测方法进行了总结.通过对直流电机电枢电流的分析,得出电枢电流的时间响应由衷减的指数分量、直流分量和正弦分量构成,从而得出电枢电流携有正弦分量的结论,进一步推导出正弦分量与电机转速的关系,由此得到了一种根据电机电枢电流测量电机转速的方案.经在线实际测量使用,结果表明,该方案具有简单、可靠、高效的特点.     

基于PLC的模糊控制在轨道交通中的应用研究

针对轨道交通的安全需要，提出一种基于PLC和模糊控制的轨道交通屏蔽门控制方法。其中门控单元和逻辑单元依据I/O通道的类型和数量选择PLC作为主控芯片；利用智能传感器技术实现防夹功能；在屏蔽门的电机系统中，选用自适应的模糊PID控制器，最后通过MATLAB软件进行仿真。仿真结果证明：模糊PID算法在电机系统中具有良好的稳定性和适应性；屏蔽门监控系统利用WinCC软件实现，在实际运用中，证明可对地铁车站的屏蔽门系统运行状态做出正确判断，实现对车辆的实时监控和调动。由此说明，基于PLC的模糊控制在轨道交通屏蔽门系统中，应用效果良好。     

基于STM32单片机的机器人移动障碍物智能躲避系统设计

用于控制机器人在存在移动障碍物的工况中,智能避障安全抵达目的地,设计基于STM32单片机的机器人移动障碍物智能躲避系统。系统信息采集模块通过超声波传感器、加速度传感器,采集机器人与障碍物之间距离及机器人运行速度信息,传输至STM32单片机缓存整理后,通过ZigBee通信网络发送至上位机,上位机结合所采集数据,设计躲避指令传输至STM32单片机,STM32单片机驱动电机驱动模块,使用基于模糊控制的移动障碍物智能躲避模型,根据躲避指令调节机器人运行速度与角度,控制机器人的运行速度与位置,均处于不可能出现碰撞的状态,完成移动障碍物智能躲避。实验结果显示,该系统应用后,机器人对单个移动障碍物、多个移动障碍物的测距结果准确,且机器人具备智能避障性能,可绕开移动障碍物,安全抵达目的地。     

多方位超声波倒车防撞系统设计

针对大货车等大型车辆中传统的超声倒车雷达只能探测水平方向,无法探测地面以及空中障碍物,很容易发生事故的问题,设计了一种基于超声波测距的多方位倒车辅助系统,系统可根据障碍物的类型发出相应的提示。实验测试结果表明:设计的系统不仅能够探测出水平方向和空中障碍物,还能探测出地面沟壑、凸起等。系统在30～400 cm范围内可以实现准确测距,最大误差不超过1. 6%,具有一定的研究和应用价值。     

基于三连杆结构的小角度两轴转台设计

采用三连杆形式构建机械结构,以步进电机和角度传感器为驱动和测量部件,设计了一种小角度两轴转台.通过系统数学模型的推导和仿真,确定了位置控制器和速度控制器的PID参数.以AVR型微处理器为控制核心,设计了电机驱动电路、电机堵转保护电路、角度测量电路、液晶显示和矩阵按键电路等,通过微处理器主程序和增量式PID算法程序设计,实现了转动角度和速度的自动控制.为小角度两轴转台提供一种设计方法.     

基于感应电机状态方程的定子电阻辨识方法的研究

基于感应电机两相同步旋转坐标系状态方程,提出了一种新的定子电阻辨识方案。在分别利用励磁电流微分方程和转矩电流微分方程推算转速的基础上,利用二者的等量关系实现了定子电阻在线辨识。该方案的优点是,定子电阻估算仅需要电机终端可测的定子电压、电流,无须借助转子或定子磁链。仿真实验将其应用于无速度闭环矢量调速系统,实时更新转速估算模块中的定子电阻,论证了该方案对电机参数变化鲁棒性强及对改善转速估算精度的有效性。     

精密排线系统的设计方法研究

根据绕线机的精密排线要求,设计了一种三闭环的排线系统,该排线系统由位置环、速度环和电流环组成。位置环用来将给定位置和电机实际反馈位置比较,通过滚轴丝杠完成张力支撑部分的排线移动工作,以达到最小误差要求。速度环根据收线架的给定速度计算排线运行系统的速度,结合反馈量实时调节电机电流,即电机速度。速度环的速度决定了整个系统的动态响应速度。电流环主要用来计算电机传动的力矩,可以根据提前保存的电机数据自动优化设置参数;该系统利用高精度的编码器构成位置闭合回路,该系统具有两个同步运行的排线平移系统,为张力支撑部分的排线平移系统和放线轮的排线平移系统。经实验验证,该控制系统两个平移系统同步性能好,密排效果满足技术要求。     

基于表面方向的障碍物检测方法

针对障碍物检测问题中特殊的要求和特点,受原有的利用特征点匹配计算视差方法的启发,提出了一种全新的快速匹配检测障碍物的方法--表面方向法,可以描述平面的方向.与计算深度确定障碍物的方法不同,该算法根据物体表面基本与地面垂直这一特性来检测障碍物.     

改进YOLOv5s的轨道障碍物检测模型轻量化研究

针对传统列车轨道障碍物检测方法实时性差和对小目标检测精度低的不足,提出一种改进YOLOv5s检测网络的轻量化障碍物检测模型。引入更加轻量化的Mixup数据增强方式,替代算法中原有的Mosaic数据增强方式;引入GhostNet网络结构中的深度可分离卷积GhostConv,替代原有YOLOv5s模型中特征提取网络与特征融合网络中的普通卷积层,减小了模型的计算开销;在模型特征提取网络末端加入CA空间注意力机制,让算法在训练过程中减少了重要位置信息的丢失,弥补了改进GhostNet对检测精度的损失;将改进后的模型进行稀疏训练和通道剪枝操作,剪掉对检测精度影响不大的通道,同时保留重要的特征信息,使模型更加轻量化。实验结果表明,改进后的模型在自制的多样化轨道交通数据集上,相较于原始YOLOv5s算法,在模型大小减小9.7 MB,检测速度提高14 FPS的前提下,检测精度提升了1.0个百分点。同时与目前主流的检测算法对比,在检测精度与检测速度上也具有一定的优越性,适用于复杂轨道交通环境下的障碍物目标检测。     

基于数据库通知服务的车辆定位系统的研究

通过对目前远程车辆定位实现方法的分析和研究,阐明了其在实时性、执行效率等方面存在的一些问题,这些问题往往会成为定位系统发展的瓶颈,所以文中主要在阐述一种可以缓解这些问题缺陷的方法。采用在原有定位系统的基础上引入数据库通知服务技术的方法将数据库定位信息的更新及时有效地通知到客户端监控程序,实现了远程车辆及时准确的定位,并且使得程序的执行效率得到明显的提高。最后通过实际的程序开发和大量的实践测试,验证了此方法的可行性。     

基于自编码和知识蒸馏的表面缺陷检测方法

针对传统的表面缺陷检测方法只能对具有高对比度或低噪声的明显缺陷轮廓进行检测的问题,提出了一种基于自编码和知识蒸馏的表面缺陷检测方法来准确定位和分类从实际工业环境捕获的输入图像中出现的缺陷。首先,设计了一种级联自动编码器（CAE）架构用于分割和定位缺陷,其目的是将输入的原始图像转换为基于CAE的预测蒙版;其次,利用阈值模块对预测结果进行二值化以获得准确的缺陷轮廓;然后,把缺陷区域检测器提取并裁剪出来的缺陷区域视为下一个模块的输入;最后,将CAE分割结果的缺陷区域通过知识蒸馏进行类别分类。实验结果表明,与其他几种表面缺陷检测方法相比,所提出的方法综合性能最好,其缺陷检测平均准确率为97.00%。该方法能够有效地对较小的、边缘不清晰的缺陷进行分割,满足对物品表面缺陷实时分割检测的工程要求。     

基于图像融合与YOLOv3的铝型材表面缺陷检测

我国是工业铝型材制造大国，铝型材生产质量检测意义重大。针对传统的人工目测等方式检测效率低下，稳定性相对较弱；单一YOLOv3方法特征提取不突出，检测精度有限等问题，提出一种基于图像融合与YOLOv3的铝型材表面缺陷检测方法。首先利用图像增强、空域滤波的方法对原始图像进行预处理得到处理图像；然后借鉴SLAM中特征提取与匹配的思想对原始图像和处理图像进行特征提取与匹配；之后进行图像融合得到最终的处理后图像；再通过K-means算法聚类和调参优化，最后利用单阶段物体检测模型YOLOv3对铝型材表面缺陷进行检测。通过一个end-to-end的全卷积神经网络完成从原始图像的输入到Bounding box和box中物体类别与置信度的输出。实验结果表明，此图像融合与YOLOv3的方法对表面缺陷分类检出的平均成功率为98.33%,比单一YOLOv3方法提高了3.75个百分点；验证集mAP值为88.81%，提高了4.18个百分点，具有更强的特征提取能力和泛化能力，能精确检测表面缺陷，进行分类和定位。     

基于动态信息模型的LPN路经规划方法

提出了一种新的基于动态信息模型的LPN路径规划算法。在规划方法中结合障碍物的动态信息在动态环境中能表现出更好的性能。针对原有动态信息模型的不足进行了分析和改进，提出了新的动态信息模型，并结合LPN梯度算法进行路径规划。通过仿真实验与在RoboCup中型组机器人上的测试表明了该方法的有效性。     

基于双目视觉的智能车辆障碍物探测技术研究

鉴于障碍物探测是越野智能车辆自主导航的关键环节,为此针对越野环境光照多变、地形复杂的特点,提出了一种适用于越野环境的双目视觉障碍物检测技术,即首先对系统进行标定和坐标变换,以抵消地形的影响;然后采用高斯滤波和有限对比适应性直方均衡化(CLAHE)对图像进行预处理,以削弱噪声、光照和对比度的影响;接着在特征匹配部分,用提取的图像的亚像素级Harris角点特征参与匹配;同时基于RANSAC方法估计基础矩阵,再通过对极几何约束匹配来提高系统的实时性,并采用连续性约束消除误匹配,最终获取环境的3维信息;在障碍物提取部分,则通过线性插值来构建车前环境的高程图像;最后通过边缘提取和形态学处理来最终检测障碍物。此外还通过不同环境中的检测实验,验证了该算法的可行性及有效性。     

A supervised approach for automated surface defect detection in ceramic tile quality control

Surface defect detection is very important to guarantee the quality of ceramic tiles production. At present, this process is usually performed manually in the ceramic tile industry, which is low efficiency and time-consuming. For small surface defects detection of high-resolution ceramic tiles image, an intelligent detection method for surface defects of ceramic tiles based on an improved you only look once version 5 (YOLOv5) algorithm is presented. Firstly, the high-resolution ceramic tile images are cropped into slices, and the Bottleneck module in the YOLOv5s network is optimized by introducing depthwise convolution and replaced in the whole network. Then, feature extraction is performed using the improved Shufflenetv2 backbone, and an attention mechanism is added to the backbone network to improve the feature extraction ability. The path aggregation network (PAN) and Feature Pyramid Networks (FPN) neck are used to enhance the feature extraction, and finally, the YOLO head is used to identify and locate the ceramic tile defects. The multiple sliding windows detection method is proposed to detect the original ceramic tile image which is faster than the single sliding window detection method. The experimental results show that compared with the original YOLOv5s detection algorithm, the parameters of the model are reduced by 20.46 %, the floating point operations are reduced by 26.22 %, and the mean average precision (mAP) of the proposed method is 96.73 % in the ceramic tile image slice test set which has 1.93 % improvement in mAP than the original YOLOv5s. Compare with other object detection methods, the method proposed in this paper also has certain advantages. In the high-resolution ceramic tile images test set, the mAP of the proposed algorithm is 86.44 % by using the multiple sliding window detection method. The ceramic defect detection experiment has verified the feasibility of the method proposed in this paper.     

复杂环境下改进APF的机器人路径规划

针对移动机器人在有大型障碍物和运动空间相对狭窄的复杂环境中,人工势场法（APF）容易出现反复震荡、路径规划时间较长以及大型障碍物附近避障困难的问题,提出了在结合边缘探测法的APF路径规划基础上,加入自适应动态步长调整算法来克服APF的上述缺陷,实现移动机器人在复杂环境下的平滑路径规划,在确保路径近似最优的同时提高APF算法的收敛速度和路经规划的避障性能。实验结果证明了上述方法的有效性。